DenisSergeevitch/agents-best-practices

What it solves

它解決了在真實系統中構建可投入生產的 AI 代理程式的挑戰，讓代理程式能執行有用的工作，同時避免讓大型語言模型（LLM）取得未審核的直接控制權。它提供了一套設計「harness」——圍繞模型的執行時控制平面——的框架，以確保所有動作皆經過驗證、授權與記錄。

How it works

此專案是一個「Agent Skill」，即可攜帶的領域知識套件，兼容的 AI 代理程式（如 Claude Code 或 Codex）可以載入。它提供一系列參考指南與藍圖，指導代理程式實作嚴謹的執行迴圈：指令 → 上下文建構 → 模型呼叫 → 工具提案 → 驗證 → 權限決策 → 執行 → 觀測。

Who it’s for

適用於開發者與架構師，構建任何領域的代理系統，包括程式開發、研究、支援、運維、銷售、金融、資料分析、採購、法律、醫療保健以及一般工作流程自動化。

Highlights

• MVP Blueprints：為特定領域產生最小可用、可投入生產的代理 harness。
• Harness Auditing：辨識執行時失敗點（例如預算不足、上下文壓縮不佳），而不僅僅是提示問題。
• Permission Mapping：依風險類別（讀取、草稿、寫入等）對工具進行分類，以決定哪些自主行動是安全的，哪些需要人工批准。
• Runtime Discipline：強調執行動作的是 harness 而非模型，且長時間任務必須對步驟、時間與成本設定嚴格預算。